vector_normalize

Normalise un vecteur flottant à la longueur unitaire en utilisant le degré de norme spécifié. La default du degré est 2,0 (norme euclidienne) si non spécifié.

Pour la fonction Databricks SQL correspondante, consultez la fonctionvector_normalize.

Syntaxe

Python

from pyspark.sql import functions as dbf

dbf.vector_normalize(vector=<vector>, degree=<degree>)

parameter

parameter	Type	Description
vector	pyspark.sql.Column ou nom de colonne	Colonne de vecteur d'entrée.
degree	pyspark.sql.Column ou nom de colonne, facultatif	Degré de la norme (1.0 pour L1, 2.0 pour L2, float('inf') pour la norme infinie). Default to 2.0.

parameter	Type	Description
vector	pyspark.sql.Column ou nom de colonne	Colonne de vecteur d'entrée.
degree	pyspark.sql.Column ou nom de colonne, facultatif	Degré de la norme (1.0 pour L1, 2.0 pour L2, float('inf') pour la norme infinie). Default to 2.0.

Renvoie

pyspark.sql.Column: Le vecteur normalisé sous forme de tableau de flottants.

Exemples

Python

from pyspark.sql import functions as dbf
from pyspark.sql.types import ArrayType, FloatType, StructType, StructField

schema = StructType([StructField('v', ArrayType(FloatType()))])
df = spark.createDataFrame([([3.0, 4.0],)], schema)
df.select(dbf.vector_normalize('v', dbf.lit(2.0).cast('float'))).first()[0]
# [0.6..., 0.8...]